Power Trading Price Forecasting using an LSTM-GRU Ensemble and an XGBoost Residual Correction Model

전력 가격의 정확한 예측은 시장 안정화에 필수적이나, 기존 모델들은 높은 변동성으로 인해 시차 현상에 의한 한계를 빈번히 드러낸다. 이를 해결하기 위해, 본 논문은 LSTM-GRU 앙상블과 XGBoost 기반의 잔차 보정 알고리즘을 결합한 하이브리드 모델을 제안한다. 이 모델은 먼저 주 추세를 예측한 후, 잔차 오차를 모델링하여 최종 예측값을 보정 한다. 실험 결과, 제안된 모델은 RMSE 10.9843 및 R²0.9282를 기록하며 그 우수성을 입증하였다. 이는 전통적인 시계열 모델 뿐만 아니라 트랜스포머 (RMSE 12.67)와 다른 복합형 하이브리드 모델 (RMSE 12.43) 대비 현저한 성능 향상이며, 단일 LSTM 모델과 비교하여 약 5.21%의 예측 오차를 감소시킨 결과이다. 이 결과는 기존 모델들이 단순히 신경망 구조의 복잡도 증가를 통한 예측 성능 향상을 추진 한 것과 비교하여 본 잔차 보정 모델이 더욱 효율적 모델 임을 입증한다.