전력 수요 예측을 위한 외생 데이터 활용 시계열 파운데이션 모델 평가

초록

본 논문은 싱가포르와 호주 전력 시장의 시간별·일별 전력 수요 데이터를 이용해, 외생 변수(날씨·날짜 등)를 포함한 다변량 시계열 파운데이션 모델(MOIRAI, MOMENT, TinyTimeMixers, ChronosX, Chronos‑2)과 RevIN‑LSTM 기반 베이스라인을 비교한다. 실험 결과, Chronos‑2가 전반적으로 가장 낮은 MAPE를 기록했지만, 기후가 안정적인 싱가포르에서는 짧은 예측 구간에서 단순 LSTM이 파운데이션 모델을 앞섰다. 모델 구조와 지역 기후가 외생 변수 활용 효율에 큰 영향을 미친다는 점을 강조한다.

상세 분석

이 연구는 시계열 파운데이션 모델이 전력 수요 예측에 필수적인 외생 변수(기상, 날짜 등)를 얼마나 효과적으로 활용할 수 있는지를 실증적으로 검증한다. 먼저 데이터 전처리 단계에서 싱가포르(2016‑2022)와 호주 ACT(2015‑2023)의 전력 수요를 시간별·일별로 집계하고, 30개의 원시 변수와 7‑10개의 상관관계가 높은 선택 변수를 정의하였다. 슬라이딩 윈도우(길이 512)와 다양한 예측 horizon(