날씨에 따른 전력망 고장 확률 예측 극단 비극단 사건을 모두 포괄하는 유연한 접근법

초록

본 논문은 날씨 변화에 의해 발생하는 전력망 고장을 일일 고장 건수 형태로 예측하는 확률적 프레임워크를 제안한다. 비극단적인 고장은 다중 가법 양자 회귀(Quantile Regression)를 선형 보간하여 모델링하고, 극단적인 고장은 이산형 일반화 파레토(Discrete Generalized Pareto) 분포를 이용해 꼬리 위험을 포착한다. ensemble 수치예보(NWP) 데이터를 활용해 날씨 불확실성을 반영하고, 4일까지의 리드타임에 대해 신뢰성 높은 예측을 제공한다. 영국 두 배전망망의 실제 데이터와 스코틀랜드 전력망(SPEN) 파일럿 적용 결과, 기존 방법 대비 예측 정확도와 운영 가치가 크게 향상됨을 확인하였다.

상세 분석

이 연구는 전력망 고장이라는 이산형 카운트 데이터를 다루면서도, 극단값과 비극단값을 동시에 정교하게 모델링하려는 시도가 돋보인다. 비극단 영역에서는 다중 양자 회귀를 가법 형태로 확장한 additive quantile regression(AQR)을 사용한다. 각 분위수 α에 대해 선형 항과 스플라인 기반 비선형 항을 결합함으로써 날씨 변수(풍속, 강수량, 번개 등)와 고장 건수 사이의 복잡한 비선형 관계를 포착한다. 이때 분위수 간 선형 보간을 적용해 전체 누적분포함수(CDF)를 재구성하고, 이를 통해 전체 확률분포를 추정한다.

극단 영역에서는 기존 연속형 GP(Generalized Pareto) 모델을 이산형 DGP(Discrete Generalized Pareto)로 전이시킨다. 고장 카운트가 특정 임계값 u를 초과하는 경우, 초과량 Y−u에 대해 DGP를 적용해 꼬리 확률질량을 정확히 계산한다. DGP의 스케일 σ와 형태 ξ 파라미터를 날씨 공변량에 대한 스무스 함수로 모델링함으로써, 비정상적인 기상 상황(예: 강풍, 폭우)에서 발생 가능한 대규모 고장의 확률을 정량화한다. 파라미터 추정은 최대우도와 GAMLSS 프레임워크를 결합해 수행되며, 이는 복합적인 비선형 효과와 이질성을 동시에 반영한다.

날씨 불확실성은 ensemble NWP 데이터를 통해 직접 통합된다. 각 ensemble 멤버에 대해 동일한 AQR·DGP 모델을 적용하고, 베이지안 모델 평균(BMA) 기법으로 멤버별 예측을 가중 평균한다. 이 과정에서 과거 성능에 기반한 가중치를 학습함으로써, 날씨 예보의 편향과 분산을 자연스럽게 보정한다.

모델 검증은 두 단계로 진행된다. 첫째, 시뮬레이션 실험을 통해 다양한 데이터 생성 메커니즘(포아송, NB, 과잉분산)에서 모델의 적합성 및 꼬리 예측 정확도를 평가한다. 둘째, 실제 영국 배전망 데이터(10년, 11개 구역)와 SPEN 파일럿(2024‑2025) 적용 결과, 전통적인 포아송 회귀나 단일 QR 모델 대비 CRPS, Brier score, 로그가능도 등 다중 평가 지표에서 유의미한 개선을 보였다. 특히, ‘레드 이벤트’(고장 건수 상위 1% 이상) 발생 확률을 과대평가하는 기존 모델과 달리, 제안 모델은 실제 관측과 일치하는 보수적 확률을 제공해 운영 의사결정에 신뢰성을 부여한다.

실제 운영 시험에서는 엔지니어들이 예측을 기반으로 인력 배치와 사전 점검 일정을 조정했으며, 결과적으로 평균 복구 시간과 비상 대응 비용이 감소했다는 정성적 피드백이 수집되었다. 한계점으로는 임계값 u 선정이 데이터 의존적이며, 매우 드문 초극단 사건(예: 폭풍 해일)에서는 여전히 샘플 부족 문제가 남는다. 향후 연구에서는 공간적 상관관계를 고려한 베이지안 계층 모델과, 실시간 NWP 업데이트를 활용한 순차적 베이지안 업데이트 기법을 도입해 예측 정확도를 더욱 고도화할 계획이다.