설명가능/클러스터링 기반 에너지 소비 예측 연구

Explanation-Driven and Clustering-Based Energy Consumption Prediction

연구 내용

설명가능 AI와 클러스터링 기반 모델링을 결합하여 건물 에너지 소비를 정확히 예측하고, 입력 변수 중요도와 소비 패턴을 해석하는 연구

건물 단위 전력·에너지 소비는 가구별 사용 패턴과 환경 요인의 영향이 달라 동일 모델로는 오차가 커질 수 있습니다. 본 연구는 XAI를 활용하여 예측 모델에서 입력 변수의 영향도를 랭킹 형태로 정리하고, 핵심 변수 조합을 구성해 예측 정확도를 개선합니다. 또한 월 단위로 소비 패턴을 클러스터로 분리한 뒤, 클러스터별로 적합한 ML 모델을 선택하고 앙상블을 구성하여 전체 전력 소비량을 안정적으로 추정하는 방향으로 수행합니다.

관련 프로젝트

0건

연구 흐름

초기 단계에서는 에너지 소비 예측 모델을 학습한 뒤 XAI 기반 입력 변수 선택으로 영향도가 높은 변수 그룹을 구분하는 방법을 정립했습니다. 이후 단계에서는 수집 데이터의 시간 간격과 정규화 방식에 따라 성능이 달라지는 문제를 고려하여 소비 패턴을 클러스터로 분할하는 절차를 도입했습니다. 마지막으로 클러스터 내에서 성능이 높은 ML 모델을 조합해 앙상블 예측을 구성하고, 클러스터링 유무와 비교를 통해 예측 성능 향상을 확인하는 흐름으로 이어졌습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

건물 에너지 최적 운영 전략
실시간 전력 수요 예측
피크 부하 관리 의사결정
에너지 절감 자동 제어 모델
가구/세대 단위 사용 패턴 분류
예측 기반 요금 산정 지원
데이터 품질 점검 지표
입력 변수 중요도 기반 센서 설계
운영 비용 최소화 시뮬레이션
에너지 관련 정책 영향도 분석