데이터 기반 전력 시스템 응용을 위한 효율적인 데이터셋 생성 방법

**1. 서론** 데이터‑드리븐 방법(머신러닝, 딥러닝 등)이 전력 시스템 보안 평가, 최적 전력 흐름(OPF) 등 다양한 분야에 도입되고 있지만, 고품질 데이터셋 확보가 큰 장애물이다. 기존 히스토리 데이터는 비정상 상황이 부족하고, 전통적인 시뮬레이션 기반 샘플링은 제어 변수 수가 급증함에 따라 계산량이 폭발한다. 특히 N‑1 보안과 불확실성을 동시에 고려하면 입력 차원이 수십에서 수백에 이른다. 따라서 보안·비보안 샘플을 균형 있게 확보하면서도 계산 효율성을 유지하는 방법이 필요하다. **2. 관련 연구** 불가능성 인증서로 입력 공간을 사전 축소하는 접근법이