선전시 공공건물 전력 부하 예측

이 연구는 선전시 400개 공공건물의 2021년 시간당 전력 부하 데이터를 활용하여 1시간 후 전력 부하 예측 모델을 개발했습니다. 예측 성능과 입력 데이터 요구 사항 간의 균형을 맞추는 것이 중요하며, 총 3,504,000개의 시간별 관측치를 분석했습니다. 각 건물별로 시계열 분할(훈련 80%, 테스트 20%) 후, 각 알고리즘에 대해 통합 모델을 구축했습니다. 건물 특성, 시간 정보, 기상 관측치, 사회-공간적 맥락, 전일 부하 프로파일 등 35가지 예측 변수를 사용했으며, 훈련 기간 내 5겹 확장 창 교차 검증을 통해 전처리, 하이퍼파라미터 최적화, 모델 및 특징 선택을 수행했습니다. CatBoost 모델이 35개 특징을 사용했을 때 R2 0.945로 가장 우수한 테스트 성능을 보였습니다. 훈련 기간 중 재귀적 특징 제거(RFE)를 통해 12개 특징 구성에서 R2 0.948의 더 나은 성능을 달성했습니다. 특히 건물 면적, 목표 시간, 전일 최대/최소 부하를 포함한 4개 특징 구성만으로도 R2 0.901의 예측력을 보였습니다. TreeSHAP 분석 결과, 건물 규모, 일중 스케줄, 최근 부하 프로파일이 주요 예측 신호로 확인되었습니다. 이 결과는 2021년 동일한 선전시 건물에 대한 후기 예측에 유효하며, 미지의 건물이나 다른 도시, 연도로의 전이는 평가되지 않았습니다.