A Smart Grid Forecasting Scheme based on Hybrid Model

현대 스마트 그리드의 장단기 전력 부하 예측이 중요해지고 있는데 이 예측은 시계열 분석으로 기존의 통계 기법은 시간 종속성과 고유한 비선형 패턴에 적합하지 못하여 하이브리드 모델이 강력한 대안으로 등장하고 있다. 본 연구는 시간 종속성을 해결하기 위해 LSTM 네트워크와 비선형 특징의 예측에 적합한 XGBoost, Light GBM을 연결한 하이브리드 모델을 제안한다. 제안 모델의 성능을 평가하기 위해 런던시의 데이터 셋을 대상으로 환경 데이터뿐만 아니라 시간 종속성을 위해 공휴일 등의 사회적 데이터도 모델에 포함하였다. 성능 평가 결과 개별 모델 대비 제안하는 하이브리드 모델은 평균 제곱 오차, 결정계수에서 단일 모델 대비 각각 최대 22.38%, 3.52% 성능 향상을 기록하였다. 이는 제안한 하이브리드 모델이 앙상블 학습 전략을 구현하여 예측의 정확도와 강건성을 향상시킨 것으로 판단한다.