DER 일일 선물 최적화: 신경망 기반 컬럼‑앤‑컨스트레인트 생성 기법

초록

본 논문은 분산 에너지 자원(DER) 집합체의 일일 선물 전략을 두 단계 적응형 강건·확률 최적화(2S‑ARSO) 모델로 정의하고, 가치 함수 근사를 위한 특수 설계 신경망을 도입한 컬럼‑앤‑컨스트레인트 생성(CCG) 알고리즘을 제안한다. 실험 결과, 1028‑노드 합성 배전망에서 기존 상용 솔버 대비 최대 100배, 기존 CCG 대비 33배의 연산 속도 향상을 달성하였다.

상세 분석

이 연구는 DER 집합체가 전력 시장에 제출해야 하는 가격‑수량 페어를 “여기‑그리고‑지금”(here‑and‑now) 결정과 “기다‑그리고‑보는”(wait‑and‑see) 실시간 운영 결정으로 구분하는 2단계 적응형 강건·확률 최적화(2S‑ARSO) 프레임워크를 채택한다. 1단계에서는 일일 전력 가격 시나리오 ω∈Ω를 마코프 과정으로 샘플링해 확률적 가중치 ρω와 함께 기대 비용을 최소화한다. 2단계에서는 DER 발전량의 불확실성을 다항식 형태의 예산 제한 집합 U로 모델링하고, 최악의 ξ∈U에 대해 실시간 디스패치 y∈Y(x,ξ)를 최적화한다. 이때 Q(x)=max_{ξ∈U} min_{y∈Y(x,ξ)} bᵀy 라는 값 함수는 다중 선형 구조를 가지며, 극점 탐색이 필요해 계산량이 급증한다.

전통적인 컬럼‑앤‑컨스트레인트 생성(CCG)은 매 반복마다 현재 x에 대한 최악의 ξ를 LP 듀얼을 통해 찾고, 해당 ξ를 마스터 문제에 새로운 제약으로 추가한다. 그러나 ξ와 듀얼 변수 π의 조합이 이중 선형 형태를 만들면서 MILP 변환 비용이 크게 늘어나, 대규모 네트워크와 수백 개의 가격 시나리오에서는 실용성이 떨어진다.

논문은 이 병목을 해소하기 위해 “가치 함수 근사 신경망(NN_Θ)”을 설계한다. 입력으로 첫 단계 결정 x와 불확실성 ξ를 받아, min_{y∈Y(x,ξ)} bᵀy 를 직접 계산하는 대신 NN이 근사값을 출력한다. 핵심은 다음과 같다.

1. 구조적 설계: x와 ξ 각각을 저차원 임베딩 네트워크 Φ_x, Φ_ξ 로 변환하고, 이를 합쳐서 값 네트워크 Φ_Θ 로 전달한다. 모든 네트워크는 ReLU 기반이며, MILP 형태로 변환 가능하도록 설계돼 기존 최적화 엔진에 그대로 삽입할 수 있다.
2. 집합 기반 퍼뮤테이션 불변성: 변수·제약 계수를 개별 토큰으로 분해하고 공유 파라미터 셋을 적용해 순서에 무관한 집합 표현을 만든다. 이는 새로운 DER 구성이나 네트워크 토폴로지가 추가돼도 재학습 없이 일반화가 가능하도록 한다.
3. 마스터 문제 대체: 기존 CCG의 다중 절단 제약(η ≥ cᵀx + bᵀy_i)을 NN이 제공하는 고정 크기 surrogate 로 교체한다. 최악의 ξ는 argmax_{ξ∈U} NN_Θ(x,ξ) 로 MILP‑형식의 빅‑M 제약을 통해 선택된다.
4. 서브문제 대체: 최악의 ξ 탐색 역시 NN_Θ를 이용해 MILP 형태로 풀며, 새로운 ξ가 기존 집합에 비해 충분히 큰 예측값(ε 기준)을 보이면 마스터에 추가한다. 최종 검증 단계에서 실제 LP를 풀어 NN이 과소평가했는지 확인한다.

알고리즘은 초기 ξ₀ 하나로 시작해, NN‑가 제시하는 후보 ξ* 를 반복적으로 검증·추가한다. 논문 부록에서는 이 과정이 유한 단계 내에 수렴함을 증명한다.

실험에서는 1028‑노드 합성 배전망에 10 kW 태양광, 11.3 kW/14.5 kWh 배터리, 평균 1.3 MW 부하를 배치하고, 24시간 48개의 가격 시나리오를 사용했다. NN‑가 사전 학습된 후 동일한 테스트 데이터에 대해 100배 가량의 시간 절감(최대 0.3 s vs 30 s)과, 기존 CCG 대비 33배 빠른 수렴을 보였다. 솔루션 품질은 최적값 대비 0.1 % 이내의 GAP을 유지했으며, 메모리 사용량도 크게 감소했다.

이러한 결과는 DER 집합체가 실시간 시장에 빠르게 입찰 전략을 제시해야 하는 실제 운영 환경에서, 강건·확률 최적화 모델을 실용적으로 적용할 수 있는 길을 열어준다. 특히, NN‑가 제공하는 값 함수 근사는 복잡한 전력 흐름 제약을 포함한 대규모 문제에서도 정확성을 크게 희생하지 않으면서 연산 속도를 비약적으로 향상시킨다는 점이 주목할 만하다.