SME 에너지 절감을 위한 재귀 정량 분석 기반 비침입 전력 분해

**1. 서론** 에너지 효율 향상이 전 세계적인 과제로 떠오른 가운데, 대규모 제조업이나 가정용 스마트 미터를 활용한 솔루션은 활발히 개발되었다. 그러나 중소기업(SME)은 자본·전문인력 부족으로 이러한 기술을 도입하기 어려운 실정이다. 영국 정부 조사에 따르면, SME 중 에너지 관리에 적극적인 기업은 극히 소수이며, 대부분은 비용 절감 효과가 초기 투자보다 작다고 판단한다. 이에 저비용·저전력으로 전력 사용을 모니터링하고, 비전문가도 쉽게 이해할 수 있는 방법이 필요하다. **2. 기존 연구와 차별점** 전통적인 비침입형 전력 부하 분해(NILM)는 고해상도 전압·전류 파형을 이용하거나, 대규모 학습 데이터베이스에 의존한다. 이러한 접근은 데이터 수집·전처리 비용이 높고, SME처럼 장비 구성이 다양하고 변동성이 큰 환경에 적용하기 어렵다. 본 논문은 재귀 플롯(Recurrence Plot)과 재귀 정량 분석(RQA)을 활용해 저해상도(5분 간격) 전류 데이터만으로도 장비별 동작 패턴을 구분한다는 점에서 차별화된다. RQA는 시스템의 재발 현상을 정량화하는 기법으로, 금융·기후·뇌과학 등 다양한 분야에서 전이점 탐지에 성공한 바 있다. **3. 데이터셋** 연구 대상은 영국의 한 드라이클리너(세탁소)이며, 6주 동안 5분 간격으로 전류값을 기록했다. 측정 대상 장비는 건조기, 테이블프레스, 다리미, 클리너이며, 전체 합계 전류도 동시에 수집했다. 데이터는 일요일 폐업일을 제외하고, 1분 간격으로 선형 보간해 정규화하였다. **4. 방법론** 1) **재귀 플롯 생성** – 원시 전류 시계열 Y에 대해 거리 행렬 DM(i,j)=|Yi‑Yj|를 계산하고, 임계값 ε 이하인 경우 1, 그 외는 0으로 변환해 재귀 플롯 R을 만든다. 2) **RQA 변수 추출** – 슬라이딩 윈도우(W=80 분)를 대각선에 따라 이동시키며, REC(재귀 비율), DET(대각선 선분 비율), ENT(대각선 길이 엔트로피), LAM(수직선 비율), TT(수직선 평균 길이) 다섯 가지 지표를 구한다. 3) **장비·조합 매핑** – 각 장비가 ‘ON’ 상태일 때만 해당 RQA 값을 저장하고, ‘OFF’ 시점은 제외한다. 이렇게 얻은 각 장비·조합별 RQA 시계열을 평균화해 대표 벡터 Ui를 만든다. 4) **주성분 분석(PCA)** – Ui들의 평균 ψ를 빼고 공분산 행렬 C를 구한 뒤, 고유값이 큰 두 개의 주성분을 선택해 차원을 2로 축소한다. 5) **2D 맵 구축** – 축소된 좌표 (w1, w2) 상에 각 장비·조합의 점들을 플롯하고, 밀도 기반으로 클러스터 경계를 그려 ‘정상’ 사용 영역을 다각형으로 정의한다. **5. 결과 및 시각화** ε=6 A, W=80 분 설정에서 각 장비의 클러스터가 명확히 구분되었다. 건조기(녹색), 테이블프레스(검정), 다리미(빨강), 클리너(파랑), 전체 합계(마젠타) 색상으로 표시된 2D 맵은 정상 운영 시점에 해당 영역 내에 점이 밀집한다. 실험 중 다리미에 고장이 발생하거나, 새로운 전기 히터가 추가되면 해당 점이 기존 클러스터 밖으로 벗어나 ‘비정상’ 영역에 위치한다. 이를 통해 시스템은 (1) 장비 고장 조기 탐지, (2) 미등록 장비 사용 감지를 실시간으로 가능하게 한다. **6. 논의** 본 방법은 (i) 별도 센서 설치가 필요 없으며, (ii) 저해상도 데이터만으로도 충분히 구분이 가능하고, (iii) 머신러닝 모델 훈련이 필요 없어 초기 비용이 거의 들지 않는다. 또한 2D 시각화는 비전문가가 직관적으로 이해할 수 있어 현장 직원이 직접 모니터링하고 조치를 취할 수 있다. 그러나 ε와 W 같은 파라미터는 데이터 특성에 따라 달라질 수 있어 자동 튜닝 알고리즘이 필요하고, 전류 패턴이 유사한 장비가 동시에 작동하면 클러스터가 겹쳐 구분이 어려워지는 한계가 있다. 또한 5분 샘플링은 급격한 부하 변동을 놓칠 수 있어, 보다 높은 샘플링 주기로 확장할 경우 성능 향상이 기대된다. **7. 결론 및 향후 연구** 재귀 정량 분석과 주성분 분석을 결합한 저비용 전력 부하 분해 프레임워크를 제시함으로써, SME가 스마트 미터 하나만으로도 다중 장비의 에너지 사용을 실시간 감시하고, 고장·비정상 사용을 조기에 탐지할 수 있음을 입증했다. 향후 연구에서는 (a) 파라미터 자동 최적화, (b) 다중 주파수·다중 센서 데이터 융합, (c) 실시간 알림 및 제어 시스템 연계, (d) 다양한 산업군에 대한 일반화 검증 등을 통해 실용성을 확대할 계획이다.