베이지안 최적화 기반 전력 부하 예측
전력 시스템 계획의 복잡성이 증대됨에 따라, 본 연구는 딥러닝 기반의 단기 전력 부하 예측 모델을 제안한다. KAN(Kolmogorov Arnold Networks)과 CNN(Convolutional Neural Networks)을 결합하고 베이지안 최적화 및 멀티 헤드 어텐션 메커니즘을 적용한 하이브리드 예측 모델 AM-CNN-KAN을 개발했다. AM-CNN-KAN 모델은 기존 모델 대비 MAE, MSE, RMSE, MAPE 성능 지표를 각각 0.072%, 7.52%, 2.44%, 1.23%, 7.10% 개선했다. 또한, 이 모델은 하이퍼파라미터의 적응적 최적화 기능과 우수한 안정성을 보인다. 나아가, 신경망 기반 전력 부하 예측의 고질적인 블랙박스 문제를 해결하기 위해 SHAP(SHapley Additive exPlanations) 모델을 추가하여 예측 결과에 대한 해석 가능성을 높였다.