전력망·수요관리arXiv 전력계통
확률적 부하예측을 위한 적응형 잔차 모델링 기반 시나리오 학습(ARMSL)
날씨·사용자 행동·분산전원 변동으로 배전선로(feeder) 전력의 불확실성이 커지는 상황에서, 다구간(multi-horizon) 부하예측과 극단 분위수(extreme quantile) 보정을 함께 달성하려는 2단계 프레임워크 ARMSL을 제안한 연구입니다. 1단계는 환경 응답, 이력 기반 부하 패턴, 지속적 잔차 편차, 잔여 혁신항(innovation)을 순차적으로 모델링해 유·무효전력(active·reactive power) 결합 시나리오를 생성하고, 2단계는 시나리오 모델을 고정한 채 채널별 기준예측(anchor)을 이용해 극단 주변 분위수를 보정합니다. FeederBW 데이터셋 수치 시뮬레이션에서 1단계는 에너지·배리오그램(variogram) 점수에서 확산모델(diffusion) 기준선들보다 우수했고, 전체 프레임워크는 유효전력 0.99 분위 핀볼 손실(pinball loss) 0.1932로 세 가지 기준선 대비 30.08~85.33% 감소, 명목 1% 대비 초과율 1.054%를 기록했다고 보고합니다. Rolle 데이터셋에서는 유효전력 전용 anchor 대비 손실이 5.39~14.40% 감소했고, 1단계 시나리오는 예측-관측 배전선로 사건율 간 상관 0.953, 배전선로 오차의 90.0%가 2%포인트 이내였다고 밝혔습니다. 다만 결과는 두 공개 데이터셋에 대한 수치 시뮬레이션에 한정되며, 동료평가를 거치지 않은 프리프린트일 수 있어 실계통 적용 성능은 초록만으로는 확인하기 어렵습니다.
11월 2일