비예측형 커널 회귀 기반 에너지 저장 피크 절감 및 다중 서비스 최적화

본 논문은 상업용 건물에 설치된 뒤‑미터 배터리 에너지 저장 시스템(BESS)을 활용해 전력 피크 절감과 에너지 차익거래(아비트라지)를 동시에 최적화하는 새로운 제어 프레임워크를 제시한다. 기존 연구들은 월간 피크 전력과 실시간 전력 가격을 예측한 뒤 복합 최적화를 수행했으나, 예측 오차와 장기 불확실성으로 인한 계산 복잡도가 크게 증가하는 문제가 있었다. 이를 해결하기 위해 저자들은 (1) 피크 절감이 비용 구조에서 차지하는 비중이 압도적으로 크다는 현실적인 가정을 통해 원래의 복합 최적화 문제를 두 단계로 분리하고, (2) 비모수 커널 회귀(Kernel Regression)를 이용해 과거 수요 패턴으로부터 직접 피크 전력 목표와 배터리 상태‑전하(SoC) 보유량을 추정한다는 데이터‑드리븐 접근을 도입하였다. **문제 정의 및 이론적 분해** 원문에서는 피크 전력 비용(κ), 실시간 전력 가격(λₜ), 배터리 손실 비용(c) 등을 포함한 총비용 함수를 제시하고, 배터리 충·방전 변수(dₜ, qₜ)와 피크 전력 변수(p)를 최적화한다. 피크 비용이 다른 비용보다 크게 우선한다는 가정(κ ≫ λₜ, c) 하에, 라그랑주 승수와 KKT 조건을 이용해 피크 절감 문제와 아비트라지 문제를 순차적으로 해결해도 원래 문제와 동등함을 증명한다. 이론적 보장은 두 단계 최적화가 최적해를 놓치지 않으며, 실제 구현 시 계산량을 크게 줄일 수 있음을 의미한다. **커널 회귀 기반 SoC 보유량 예측** 학습 단계에서는 과거 전력 수요 시계열 D_hist와 해당 시점에 최적화된 SoC 보유량 e_hist, 피크 목표 p_hist을 매핑한다. 입력 피처는 최근 T개의 5분 간격 수요값과 일일 주기를 나타내는 사인·코사인 벡터이다. 실시간 제어 시점에서는 현재까지 관측된 수요 구간 Xₜ와 가장 유사한 K개의 이웃을 Euclidean 거리로 찾고, 가우시안 커널(σ)으로 가중치를 부여한다. SoC 예측은 가중치 누적이 α(0,1) 수준에 도달하는 순위의 SoC 값을 선택하는 “α‑Confidence” 방식으로, 운영자는 보수성(α↑) 혹은 공격성(α↓)을 조절할 수 있다. 피크 목표는 단순 가중 평균으로 산출하고, 실시간 제어 로직에서 동적으로 보정한다. **실시간 제어 알고리즘** 두 단계 제어는 Algorithm 1에 명시된다. 1단계에서는 현재 SoC와 예측된 보유량 ˆeαₜ₊₁, 피크 목표 pₜ를 이용해 배터리를 충전하거나 방전한다. 목표 초과 시 방전, 목표 미달·SoC 부족 시 충전한다. 2단계에서는 남은 전력·에너지 여유를 활용해 가격 차익을 추구한다. 기존 연구