마이크로그리드 확률 예측과 강인 운영을 위한 엔드투엔드 의사결정 중심 학습

초록

본 논문은 다계층 인코더‑디코더(MED) 기반 확률 예측 모델과 2단계 강인 최적화(TSRO)를 차별화된 미분 가능 의사결정 경로로 결합한다. 예측 손실에 SPO(스마트 Predict‑then‑Optimize) 손실을 포함시켜 운영 목표와 직접 연계함으로써, 전통적인 순차 방식보다 예측 정확도와 운영 비용을 동시에 개선한다. IEEE 33‑bus와 69‑bus 시스템 실험에서 총 비용을 최대 18% 절감한 결과를 제시한다.

상세 분석

이 연구는 마이크로그리드 운영의 핵심 난제인 재생에너지와 부하의 불확실성을 “예측 → 최적화” 파이프라인이 아닌 하나의 연속된 학습 과정으로 통합한다는 점에서 혁신적이다. 먼저, 제안된 MED 모델은 다중 잔차 블록과 병렬 인코더‑디코더 구조를 활용해 시간‑공간적 특성을 고차원 잠재공간에 압축한다. 이는 기존의 RNN·Transformer 기반 확률 예측보다 파라미터 효율성을 높이며, 샘플 기반 CRPS 손실을 통해 분포 전체를 학습한다.

핵심은 예측 결과 ˆD를 직접 TSRO의 의사결정 변수에 연결하고, 연속적 볼록 완화(convex surrogate)를 통해 미분 가능하게 만든 것이다. 이때 이진 변수는