에너지 소비는 지구 온난화에 중요한 역할을 한다. 탄소 중립을 달성하고 안정적인 에너지 공급을 통해 에너지 효율을 향상시키기 위해서는, 시계열 데이터의 최적화 및 분석을 위한 혁신적인 아키텍처 개발을 추구할 필요가 있다. 이에 본 연구는 예측 성능 향상에서 전처리의 핵심적 역할을 부각하는 새로운 아키텍처를 제시하고, 다양한 에너지 영역에서의 확장성을 입증한다. 시계열의 특성을 나타내는 패턴을 식별하는 이 아키텍처는 데이터 준비, 처리 최적화 방법, 예측의 세 가지 핵심 구성요소로 구성된다. 이 아키텍처의 핵심은 시계열 내 패턴을 파악하고 최적의 데이터 처리 기법을 결정하는 것으로, 전처리 방법에 대한 강한 강조가 포함된다. 열에너지에 대한 실험 결과는 데이터 최적화를 통해 성능 향상을 달성할 가능성을 보여주며, 전처리의 핵심적 역할을 확인한다. 또한 본 연구는 다섯 가지 서로 다른 예측 모델에 대한 평가를 통해, 사용된 모델과 무관하게 제안된 아키텍처가 예측 결과를 일관되게 향상시킨다는 점을 확인한다. 더 나아가 전기에너지로 확장된 실험은 유사한 입력 변수를 사용하여 다양한 에너지 유형을 예측하는 데서 아키텍처의 확장성과 효율성을 검증한다. 아울러 본 연구는 에너지 예측에 영향을 미치는 결정 요인을 설명 가능한 인공지능을 통해 규명함으로써, 저탄소 에너지의 공급과 수요 관리에 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.