전력 가격 예측: ARHNN 기반 샘플 선택 및 예측 결합
예측 분야에서 캘리브레이션 샘플 선택과 예측 결합은 정확도를 크게 향상시키는 강력한 도구로, 구현이 용이하고 계산 복잡성이 낮습니다. 이러한 기법의 효과는 기존 연구에서 반복적으로 확인되었으나, 전력 가격 예측 분야에서는 충분히 탐구되지 않았습니다. 본 연구에서는 ARHNN(Autoregressive Hybrid Nearest Neighbors) 방법을 독일, 스페인, 뉴잉글턴 전력 시장의 장기 시계열 데이터에 적용했습니다. ARHNN은 기존 문헌의 인기 있는 벤치마크 대비 최대 10% 향상된 예측 정확도를 보였습니다. 또한, 계산 시간을 대폭 단축하면서도 예측 정확도 손실이 미미한 두 가지 간소화된 ARHNN 변형을 제안했습니다. 나아가, 배터리 저장 시스템 거래 사례 연구에서 예측 성능을 비교하고 새로운 자동 거래 전략을 제안했습니다. 예측 기반 전략이 이론적 최대 이익의 상당 부분을 꾸준히 달성할 수 있음을 확인하여, 실제 응용 분야에서의 사업적 가치를 입증했습니다.