습관형 가구 찾기 전력 사용 유연성 기반 클러스터링

초록

스마트 미터 데이터를 활용해 180가구의 저녁 피크 전력 사용량과 사용시간 변동성을 측정하고, k‑means로 4개의 행동군으로 구분하였다. 고사용량·저변동군, 고변동군, 저사용량·저변동군, 중간변동·저사용량군으로 나뉘며, 각 군은 DSM(수요측 관리) 정책의 차별적 타깃팅에 활용될 수 있다.

상세 분석

본 연구는 영국 북동 스코틀랜드 에너지 모니터링 프로젝트(NESEMP)에서 수집된 5분 간격 전력 사용 데이터를 기반으로, 가구별 전력 사용 ‘유연성’을 정량화하는 새로운 지표를 제안한다. 데이터 전처리 단계에서 결측치가 많은 가구를 제외하고 180가구를 무작위 추출했으며, 모든 측정값을 5분 경계에 선형 보간으로 정렬하였다. 분석 대상은 평일 16시~20시의 피크 구간이며, 각 가구·일별로 최대 전력 사용 시점을 4시 기준 분(minute)으로 변환한 뒤, 해당 시점들의 표준편차를 유연성(시간 변동성) 지표로 정의하였다. 동시에 같은 구간의 평균 전력 사용량을 두 번째 특성으로 사용하였다. 두 차원을 입력으로 k‑means 군집화를 수행했으며, 초기값에 대한 무작위 반복 실행을 통해 최적 군집을 선정하였다. 결과는 4개의 군집으로 수렴했으며, 시각화(2차원 플롯)에서 각 군집은 사용량·변동성의 조합에 따라 명확히 구분된다. 고사용량·저변동 군(녹색)은 전력 피크 감소 목표에 적합한 대상이며, 고변동 군(빨간색)은 가변 요금제와 같은 행동 변화 유도 정책에 반응 가능성이 높다. 저사용량·저변동 군(검정색)은 정책 효율성 측면에서 제외해도 무방하고, 저사용량·중간변동 군(파란색)은 차선의 우선순위로 고려될 수 있다. 또한, 세 번째 특성(최소 사용 시점 변동성)을 추가했을 때 군집 경계가 복잡해지는 것을 확인했으며, 이는 다차원 특성 공간에서 자동 군집화가 인간의 시각적 판단을 대체할 필요성을 강조한다. 연구는 데이터 기반 군집화가 DSM 전략의 비용 효율적 타깃팅을 가능하게 함을 실증적으로 보여준다. 다만, 180가구라는 제한된 표본 규모와 단일 지역(북동 스코틀랜드) 특성, 그리고 피크 구간만을 분석한 점은 결과 일반화에 제약을 만든다. 향후 연구에서는 다양한 지역·계절·주말 데이터를 포함하고, 전력 사용 패턴에서 반복적인 ‘모티프’를 자동 추출해 추가 특성으로 활용함으로써 군집의 정밀도를 높이고, 설문 기반 인구통계·태도 데이터와의 교차 검증을 수행할 계획이다.