전력소 비용 파라미터 역추정: 영국 시장 데이터 기반 바이레벨 최적화

본 논문은 전력시장 기본 모델링에 필수적인 발전소별 물리·경제 파라미터, 즉 열효율(η), 시동비(σ), 고정 운영비(φ), 가변 운영비(ν)를 공개 데이터만을 이용해 추정하는 새로운 방법론을 제시한다. 기존 연구에서는 발전소의 연식·기술 유형에 기반한 평균값을 사용하거나, 파라미터를 동일 기술군에 일괄 적용하는 등 큰 불확실성을 안고 있었다. 저자들은 영국 전력시장의 2018년 데이터를 활용해, 각 발전소가 제출한 생산 계획(FPN)과 시장 가격(전력, 연료, 배출권) 정보를 입력으로 사용한다. 핵심은 바이레벨 최적화 구조이다. 내부 레벨은 전형적인 Unit Commitment(UC) 문제를 MILP 형태로 모델링한다. 여기서는 전력 가격 wₜ, 연료 가격 fₜ, 배출권 가격 eₜ, 그리고 발전소의 물리적 제약(최대 출력 mₜ, 램핑 제한 r_Uₚ·r_Dₙ, 안정 수출 한계 등)을 고려해, 주어진 파라미터(η,σ,φ,ν) 하에 최적 생산 스케줄 P*ₜ 를 산출한다. 목표 함수는 “청정 스파크 스프레드”(wₜ−ν−fₜ/η−eₜ·γ/η)·Pₜ 에서 고정비 φ·Pₜ 와 시동비 σ·Cₜ 를 차감한 형태이며, 이는 발전소가 시장에서 이윤을 극대화한다는 가정에 기반한다. 외부 레벨은 실제 관측된 생산량 Ṕₜ 와 모델이 산출한 P*ₜ 사이의 제곱 오차 ∑ₜ(P*ₜ−Ṕₜ)² 를 최소화하는 파라미터를 찾는 문제이다. 파라미터 공간은 4차원이며 비선형·비볼록 특성을 가진다. 이를 해결하기 위해 저자들은 차별진화(DE) 알고리즘으로 전역 탐색을 수행하고, 이후 컴퍼스 서치(compass search)로 미세 조정을 한다. 이 조합은 병렬화가 용이해 대규모 발전소 집합에 적용 가능하도록 설계되었다. 실험에서는 영국의 대형 열병합(CCGT) 및 석탄 발전소를 대상으로 모델을 적용하였다. 각 발전소별 추정된 효율은 0.53~0.58(신형 CCGT)와 0.34~0.39(구형 석탄)으로, 기존 문헌에서 보고된 평균값과 일치한다. 시동비는 30~62 £/MW(cap) 범위이며, 고정·가변 운영비 역시 실제 운영 패턴을 반영한다. 특히 동일 기술군이라도 파라미터 차이가 크게 나타나, 기존 모델에서 동일 파라미터를 가정하는 것이 단기 전력가격 예측에 큰 오차를 초래함을 실증한다. 논문은 또한 모델링 가정과 단순화에 대해 상세히 논의한다. 예를 들어, 효율을 파트로드에 독립적으로 가정하고, 램핑 속도를 일정하게 설정했으며, 하루 전 가격을 완벽히 예측한다는 전제(완전 가격 선견)를 사용했다. 이러한 가정은 실제 운영과 차이가 있을 수 있으나, 복잡성을 크게 증가시키는 대신 계산 가능성을 확보하기 위한 선택이다. 향후 연구에서는 최소 가동·정지 시간, 다중 시동비(냉·온 시동), 비선형 효율 곡선 등을 포함해 모델을 확장하고, 실시간 가격 변동을 반영한 순차적 UC 실행을 고려할 수 있다. 결론적으로, 이 바이레벨 프레임워크는 공개 데이터만으로도 개별 발전소 수준의 상세 비용 구조를 복원할 수 있음을 보여준다. 이는 전력시장 기본 모델링, 정책 시뮬레이션, 재생에너지 통합 분석 등에 중요한 도구가 될 것이며, 기존의 단순 평균값 기반 접근법보다 높은 정확도와 해석 가능성을 제공한다. 또한, UC 모델을 내부 블랙박스로 활용함으로써 머신러닝과 유사한 학습 구조를 갖지만, 파라미터 수가 적고 과적합 위험이 낮다는 장점을 동시에 갖는다.