필터 기법을 활용한 발전기 여흥 신경제어기 입력 변수 최적화

초록

본 논문은 필터 기반 통계 기법을 이용해 발전기 여흥 제어에 필요한 입력 변수를 선별하고, 선별된 최소 집합을 활용한 다층 퍼셉트론(MLP) 신경제어기의 학습 및 성능을 평가한다. Pearson 상관분석과 선형 회귀를 통해 전압 편차(ΔVq)와 부하각(δ) 등이 출력 전압(Vf)과 높은 상관성을 보임을 확인하고, 이들 변수만을 사용한 ANN가 전체 변수 사용 시보다 학습 속도와 일반화 능력에서 우수함을 입증한다.

상세 분석

본 연구는 전통적인 발전기 여흥 제어가 안정성 한계 이하에서 운전되는 현실을 고려하여, 빠르고 효율적인 제어기를 설계하고자 한다. 인공신경망(ANN), 특히 다층 퍼셉트론(MLP)은 비선형 시스템 모델링에 강점을 가지지만, 입력 변수의 선택이 성능에 결정적인 영향을 미친다. 저자는 필터 기반 특성 선택 기법을 적용해 입력 변수의 통계적 독립성과 종속 변수와의 상관성을 사전 검증한다. 구체적으로, 시뮬레이션으로 생성된 SMIB(단일 기계 무한 버스) 모델 데이터에 대해 Pearson 상관계수를 계산하고, p‑값을 통해 유의성을 판단하였다. 결과는 ΔVq(이차 전압 편차)와 Vf(여흥 전압) 사이의 상관계수가 0.759로 가장 높으며, 이어서 활성 전력(P), 무효 전력(Q), 터미널 전압 편차(ΔVT) 등이 유의한 상관을 보였다. 부하각(δ) 역시 전압과의 물리적 연관성(식 1)으로 인해 후보 변수로 선정되었다.

선별된 변수 집합(ΔVq, δ, P 등)만을 사용해 ANN를 학습시켰으며, 조기 종료(Early Stopping) 기준을 검증 데이터셋의 오차 최소화로 설정하였다. 이는 과적합을 방지하고 학습 시간을 단축시키는 효과를 가져왔다. 비교 대상으로 다중 선형 회귀 모델을 구축했으며, 회귀식의 결정계수(R²)와 평균 제곱 오차(MSE)를 ANN과 대조하였다. 실험 결과, ANN는 동일 테스트 셋에서 R²가 0.92 이상으로 회귀 모델(약 0.78)보다 현저히 높은 예측 정확도를 달성했으며, 특히 전압 급변 상황(120 ms 고장 후)에서의 응답 속도와 안정성 면에서 우수함을 확인했다.

또한, 다중공선성 문제를 통계적 상관 분석 단계에서 사전에 차단함으로써 학습 과정에서의 가중치 업데이트가 불안정해지는 현상을 최소화하였다. 입력 변수 수를 과도하게 늘릴 경우 연산 복잡도와 메모리 요구량이 급증하고, 불필요한 노이즈가 학습에 혼입될 위험이 있음을 논문은 강조한다. 반대로, 변수 수를 과도하게 축소하면 모델의 표현력이 저하될 수 있으므로, 필터 기법을 통한 최적 균형점 찾기가 핵심이라고 결론짓는다.

이와 같이, 필터 기반 특성 선택은 계산 비용이 낮고, 도메인 전문가의 사전 지식 없이도 데이터 중심의 변수 평가를 가능하게 하며, ANN 기반 여흥 제어기의 설계 단계에서 실용적인 가이드라인을 제공한다.