다단계 풍력 발전 밀도 예측 방법 비교

본 논문은 풍력 발전의 불확실성을 정량화하기 위해, 비정규 시계열인 집계 풍력 전력 데이터를 다단계 확률밀도 예측으로 변환하는 두 가지 새로운 방법을 제시한다. 연구 배경으로는 풍력 전력의 급격한 변동과 영(0) 및 포화(1) 구간에서의 비선형성을 들며, 기존의 다단계 밀도 예측이 Monte Carlo 시뮬레이션에 크게 의존해 계산 비용이 높다는 문제점을 지적한다. 데이터는 아일랜드 64개 풍력 발전소에서 2007년 7월부터 2008년 1월까지 15분 간격으로 수집된 총 16 512개의 관측값이며, 전체 용량(792.355 MW)으로 정규화해 0‒1 구간에 놓았다. 시계열은 비정상적이며, 분산이 시간에 따라 변하고 급격한 스파이크가 존재한다. 이를 해결하기 위해 두 가지 접근법을 설계하였다. 첫 번째 접근법은 로지스틱 변환 zₜ=log(yₜ/(1‑yₜ))을 적용해 데이터를 거의 정규분포에 가깝게 만든 뒤, ARIMA‑GARCH 모델을 적합한다. ARIMA는 평균 동향을, GARCH는 조건 이분산을 포착한다. 모델 파라미터를 추정한 후, 다단계 예측은 ARIMA와 GARCH 방정식을 재귀적으로 적용해 얻는다. 최종 예측밀도는 변환 전 단계에서 역변환을 수행해 원래 스케일의 확률밀도로 복원한다. 두 번째 접근법은 변환 없이 원본 정규화 전력 yₜ를 직접 다루며, 예측밀도를 절단 정규분포(truncated normal)로 가정한다. 절단 정규분포는 하한 0과 상한 1을 갖고, 평균 μₜ와 분산 σ²ₜ 두 파라미터만으로 정의된다. 이 파라미터들을 동시에 추정하기 위해 지수 평활법(ETS)을 적용한다. ETS는 상태공간 모델에 기반해 평균과 분산을 각각 평활하고, 다단계 예측은 상태를 단순히 재귀적으로 전파함으로써 얻는다. 이렇게 얻은 μ̂ₜ₊ₖ와 σ̂²ₜ₊ₖ를 이용해 각 시점의 절단 정규밀도를 바로 구성한다. 두 방법 모두 15분부터 24시간까지 4가지 예측 지평선(15 min, 1 h, 6 h, 24 h)을 대상으로 실험했으며, 평가 지표로는 CRPS, 로그 점수, MAE, RMSE 등을 사용했다. 로지스틱‑ARIMA‑GARCH는 전반적으로 가장 낮은 CRPS와 로그 점수를 기록했으며, 특히 변동성이 큰 구간에서 예측밀도의 정확도가 두드러졌다. 그러나 모델 추정과 다단계 시뮬레이션에 상대적으로 많은 연산 시간이 소요되었다. 반면, 절단 정규‑ETS는 계산 시간이 전자의 10 % 미만으로 크게 효율적이며, 훈련 데이터 길이가 짧아도 성능 저하가 적었다. 또한, 파라미터 선택이 자유롭고, 변환이 어려운 다른 비정규 데이터에도 바로 적용할 수 있다는 장점이 있다. 결론적으로, 데이터가 로지스틱 변환으로 충분히 정규화될 수 있다면 ARIMA‑GARCH 기반 방법이 최고의 정확도를 제공한다. 그러나 실시간 운영이나 데이터 양이 제한된 상황, 혹은 변환이 불가능한 경우에는 절단 정규‑ETS 접근법이 더 실용적이다. 두 방법 모두 Monte Carlo 없이 다단계 확률밀도 예측을 구현함으로써 풍력 전력 예측뿐 아니라 다른 비정규 시계열 분야에도 적용 가능성을 열어준다.