에너지 손실을 고려한 프라이버시 보호 스마트 미터 제어 전략

스마트 그리드에서 고해상도 스마트 미터 데이터는 전력 소비 패턴을 상세히 드러내어 개인 프라이버시 침해 위험을 야기한다. 기존 연구는 암호화·통신 보안뿐 아니라 물리적 레이어에서 부하 서명 완화를 시도했으며, 에너지 저장 시스템(ESS)을 이용해 실제 전력 부하와 배터리 충·방전 전력을 혼합함으로써 공격자의 NILM(Non‑Intrusive Load Monitoring) 분석을 방해한다. 그러나 대부분의 기존 제어 전략은 ESS를 무손실·즉시 제어 가능한 이상적인 장치로 가정했으며, 이러한 가정은 실제 배터리의 자기 방전, 내부 저항 손실, 변환 효율 저하 등을 무시한다. 본 논문은 이러한 이상성을 탈피하여, 배터리를 3개의 전기 회로(자기 방전 RC 회로, 내부 저항 회로, 변환 효율 회로)로 모델링한다. 자기 방전은 방전율 γ와 전류 β를 통해 Q_t+Δt = (1−γ)·Q_t + β·I_bat 식으로 표현하고, 내부 저항 손실은 전압 V_OC와 전류 I_bat 사이의 관계식 I_bat = (V_OC^2 + 4rP − V_OC^2) / (2rV_OC) 로 기술한다. 변환 효율은 충전·방전 구간 각각 η_c, η_d를 적용해 입력 전력 D와 배터리 측 전력 P 사이에 P = D·δ(D) 관계를 만든다. 이 세 회로를 결합한 종합 모델(식 5)은 배터리 에너지 상태 Z의 시간 전진을 정확히 추정하게 하며, 충·방전 전력 제한(D_max, D_min)과 배터리 용량 제한(Z_max)을 고려한 제어 구간을 도출한다. 프라이버시 측정은 베이지안 위험(R)과 누적 최소 베이지안 위험(AMBR)을 사용한다. 공격자는 스마트 미터 측정 Y_k = X_k + D_k 를 관측해 가전제품 상태 H_k 를 추정한다. 각 가설 조합에 비용 C_{i,j}를 부여하고, 평균 오류 비용을 최소화하는 것이 공격자의 최적 전략이며, AMBR은 이러한 최적 공격에 대한 최소 오류 확률을 나타낸다. 제어 문제는 PO‑MDP(Partially Observable Markov Decision Process) 형태로 정의된다. 가전 상태 H_k는 1차 마코프 체인으로 전이하고, 관측 X_k는 H_k에 대한 확률 P(X_k|H_k) 로 모델링된다. 제어 변수 D_k는 현재 배터리 상태 Z_{k−1}와 이전 관측을 기반으로 선택되며, belief state π_k(i)=P(H_k=i|I_k) 를 충분통계량으로 사용한다. 최적 정책 μ*는 동적 프로그래밍 역전파(프로포지션 2)로 구해지며, 각 시점에서 기대 베이지안 위험을 최대화하는 행동을 선택한다. 알고리즘 1은 초기 belief π_0와 배터리 상태 z_0 를 입력으로, 매 시간 슬롯마다 (i) 사전 처리: 최적 행동 y*_k=μ*_k(π_{k−1},z_{k−1}) 선택, (ii) 제어 제한 적용, (iii) 사후 처리: belief 업데이트와 배터리 상태 업데이트를 수행한다. 시뮬레이션은 ECO 데이터셋의 실제 가정 전력 프로파일을 사용하고, 12 V 100 Ah 리튬이온 배터리를 모델 파라미터(내부 저항 0.006 Ω, 자기 방전 3 %/월, 변환 효율 95 %)와 함께 적용하였다. 실험 시나리오는 매일 8시~9시 사이에 물 끓이는 이벤트를 보호 목표로 설정하고, 1분 간격(Δt=60 s)으로 제어한다. 결과는 다음과 같다. 첫째, 배터리 초기 상태에 따라 제어 행동이 달라지며, 측정 양자화로 인해 스마트 미터 데이터에 작은 피크가 발생한다. 이러한 피크는 고정밀 공격자에게 정보를 제공할 수 있으나, 상태 공간이 커짐에 따라 최적화 복잡도도 O(n²) 로 급증한다. 둘째, 제어가 배터리를 완전 충전 상태로 유도하는 경향이 나타났으며, 이는 배터리 잔량이 충분할 때 프라이버시 보호 성능이 향상되지만, 장기적으로는 배터리 수명 및 에너지 손실을 악화시킨다. 셋째, 병렬 연결 구성이 직렬보다 평균 에너지 손실이 적다는 이론적 명제(프로포지션 1)를 실험적으로 확인하였다. 마지막으로, AMBR 값이 크게 감소했음에도 불구하고, 배터리 충·방전 과정에서 발생하는 손실(E_loss)이 전체 에너지 소비의 몇 퍼센트에 해당함을 정량화하였다. 논문의 기여는 (1) 실용적인 ESS 손실 모델을 스마트 미터 프라이버시 제어에 최초로 통합, (2) 베이지안 위험 기반 프라이버시 메트릭을 최적 제어와 연결, (3) 실제 데이터와 최신 NILM 공격을 통해 제어 전략의 실효성을 검증한 점이다. 한계점으로는 배터리 용량 감소, 온도·노화 등 장기적인 비정상 현상을 고려하지 않았으며, 고해상도 측정에 따른 상태 공간 폭발 문제를 해결하기 위한 근사 기법이 필요하다. 향후 연구는 다중 ESS(배터리+슈퍼커패시터) 조합, 온도·노화 모델 통합, 온라인 학습 기반 정책 업데이트, 그리고 실시간 구현을 위한 경량화 알고리즘 개발을 제안한다.