核心概念
적합 예측 기법을 활용하여 전기 시장에서 태양광 발전의 불확실성을 정량화하고, 이를 바탕으로 최적의 입찰 전략을 수립할 수 있다.
要約
이 연구는 태양광 발전의 일일 예측을 위해 기계 학습 모델을 사용하고, 적합 예측(Conformal Prediction, CP) 기법을 적용하여 예측의 불확실성을 정량화하였다. 이후 다양한 입찰 전략을 통해 전기 시장에서의 최적 입찰량을 추정하였다.
연구 결과, CP 기법과 k-최근접 이웃 및 Mondrian 빈닝을 결합한 모델이 가장 우수한 성능을 보였다. 이 모델을 기대효용 극대화(EUM) 전략과 결합하면 최대 잠재 이익의 93%를 달성하면서도 에너지 불균형을 최소화할 수 있다.
統計
태양광 발전량 예측 모델의 결정계수(R2)는 SLR 0.806, MLR 0.821, RFR 0.854로 나타났다.
적합 예측 모델 M3(RFR-기반)의 가중 구간 점수(WIS)는 0.140으로 가장 우수한 성능을 보였다.
완벽한 정보를 가정한 기준 모델 대비 EUM 전략(CVaR, γ=0.6, β=0.1)의 이익은 93%를 달성하였다.
引用
"적합 예측 기법은 점예측 모델의 불확실성을 정량화하여 전기 시장에서의 의사결정을 향상시킬 수 있다."
"적합 예측 기법과 k-최근접 이웃, Mondrian 빈닝을 결합한 모델이 가장 우수한 성능을 보였다."
"기대효용 극대화 전략과 조건부 가치 위험(CVaR)을 결합하면 최대 잠재 이익의 93%를 달성하면서도 에너지 불균형을 최소화할 수 있다."